黨的二十屆四中全會通過的《中共中央關於制定國民經濟和社會發展第十五個五年規劃的建議》強調“全面實施‘人工智能+’行動，以人工智能引領科研範式變革，加強人工智能同産業發展、文化建設、民生保障、社會治理相結合，搶佔人工智能産業應用制高點，全方位賦能千行百業”。製造業是實體經濟的根基，是“人工智能+”行動的主戰場。近日，工業和信息化部等八部委聯合印發《“人工智能+製造”專項行動實施意見》，在數智基建、場景推廣、産品創新、主體培育、生態建設、安全護航、國際合作等方面部署了系列任務，為加快推進人工智能在製造業融合應用提供了系統指引。

當前，以智能化為代表的新一輪科技革命和産業變革浪潮席捲全球，正在系統重構全球産業格局。工業智能體、具身智能在製造業各環節加速滲透，正在成為企業重塑競爭優勢的新動能。産業競爭的焦點已不再是行業本體技術的領先，而是數智技術與實體經濟融合應用的效率和規模。能否做強“人工智能+製造”，將直接決定我國製造業的全球地位和長遠競爭力。

（一）“人工智能+製造”是贏得國際競爭主動的戰略選擇

製造業年産值超過16萬億美元，約佔全球GDP的15%。這意味着，通過人工智能技術對工業技術、知識、數據、人才等全要素重組，以及研發、生産、管理等全鏈條的深刻重塑，每帶來1%的效率提升，就將創造年均超1600億美元的經濟增長。面對如此巨大的戰略價值，世界主要國家紛紛將人工智能作為重塑競爭力的核心領域，美歐發達國家相繼&&國家級AI戰略，意圖重構産業競爭優勢、搶佔製造業發展制高點。國際工業巨頭紛紛與人工智能企業加大合作力度，入局工業AI，推動AI在倣真設計、自適應製造、供應鏈管理以及智能工廠等領域的深度應用，推動工業自動化領域的AI變革。在這場關乎未來發展的全球競爭中，我們不進則退、慢進亦退，必須搶抓這一歷史機遇，牢牢掌握發展主動權。

（二）“人工智能+製造”是發揮我國獨特優勢的內在要求

2024年我國製造業增加值超過33萬億元，佔GDP的比重近25%，對全球製造業增長的貢獻率超過30%。我國還擁有全球最完整、門類最齊全的工業體系，這構成了人工智能技術最寶貴的“全場景”應用土壤和廣袤的數智轉型“藍海”。更重要的是，我國擁有支撐數智轉型的堅實基礎設施和服務體系。算力規模全球第二、以5G、千兆光網為核心的“數字大動脈”實現全國有效覆蓋。據測算，2025年人工智能企業數量超6000家，形成了涵蓋基礎底座、模型框架、行業應用的完整産業體系，核心産業規模破萬億。供需兩端的産業基礎，為人工智能在製造業應用和迭代提供了全球最富集的資源稟賦。這決定了我國推進“人工智能+”的關鍵路徑，在於將人工智能技術深度融入製造業的廣闊場景，催生海量高價值的工業數據，在數智基礎設施的有力支撐下，驅動技術迭代和應用創新，形成技術供給與産業需求互促共進的良性循環，將我國應用場景優勢、規模優勢和基建優勢，轉化為難以複製的産業發展“非對稱優勢”。

（三）“人工智能+製造”是加快新型工業化的重要引擎

我國擁有超600萬家製造業企業，既有引領行業的龍頭標杆，也有深耕細分領域的中小企業，是推進新型工業化的主體力量。到2035年基本實現新型工業化，客觀上要求企業在質量效益、驅動要素、業態模式等方面實現系統性躍遷，這離不開“人工智能+”的技術賦能。實踐證明，人工智能正在推動生産方式從“人控”走向“智控”，決策模式從“經驗驅動”走向“數智驅動”，産業人才從“工匠”轉為“智匠”。國內領先企業已率先行動，將大模型應用於電子、鋼鐵、汽車等領域，實現智能化運營，助力生産效率提升。在全國已建成的230余家卓越級智能工廠中，産品研發周期平均縮短28.4%，生産效率平均提升22.3%，不良品率平均下降50.2%，碳排放平均減少20.4%。這些數字背後，是生産力的深刻變革和生産關係的系統性調整，是生産要素的創新型配置，是新質生産力的集中體現。我們必須牢牢把握人工智能這一驅動力量，加速技術突破與産業應用的雙向奔赴，為我國製造業開闢範式轉換和能力躍升的新賽道，為新型工業化注入強勁動力。

“人工智能+製造”具有多元化、時代化、融合化的基本特徵。應用場景多元化。我國製造業既有引領産業升級的高精尖領域，也有正在加速轉型的傳統産業，既有全球領先的領航級智能工廠，也有亟待改造的“手工作坊”，這為人工智能與製造的深度融合提供了全球最為豐富、無可比擬的實踐場景和創新空間。現有製造環節的生産設備、工藝流程、信息系統呈現複雜多樣，涵蓋從傳統機床到工業機器人、從單一生産單元到全鏈條供應鏈、從定制化業務軟體到大型工業操作系統，形成了多層次、多維度的技術生態與産品適配體系。技術演進時代化。製造業一直以來都是人工智能技術的“試驗場”，從早期基礎算法“嵌入”單一設備、單一環節，解決質檢等具體場景的效率問題，到大數據、深度學習技術落地，實現生産過程的數據驅動優化，再到當前大模型、具身智能等技術興起，推動人工智能從“單點智能”向“全流程協同智能”、從“機器輔助”向“人機協同決策”演進，加速製造體系從“經驗驅動”向“數據智能驅動”躍遷。推動“人工智能+製造”融合應用，既需緊跟人工智能技術演進趨勢，也要把握製造業轉型需求，實現互促融合。轉型賦能融合化。技術層面，推動人工智能與信息技術（IT）、通信技術（CT）、控制技術（OT）、製造工藝技術（MT）的“多技術融合”，打破技術壁壘，重構製造技術體系。産業層面，人工智能作用於研發設計、生産製造、倉儲物流、營銷服務、供應鏈協同等製造全鏈條，滲透到設備單元、産線、車間、工廠、産業生態等多層級，催生工業智能終端、智能裝備、智能工業軟體等新産品，壯大個性化定制、服務型製造等新業態。

加快推動“人工智能+製造”的融合應用，需把握其基本特徵，按照“場景牽引、技術適用、一體賦能”的體系化思路，從設備、産線、車間、工廠、企業到産業生態，逐級推進“人工智能+製造”實踐。

（一）人工智能+設備，優化設備管理方式

經過數字化改造後的通用機床、手動成型機、常規窯爐等傳統設備和本身具備數據採集、自主控制能力的工業機器人、全自動成型機、智能檢測設備等智能裝備，嵌入人工智能算法模塊後，能夠基於振動、溫度等時間序列數據實現預測性維護，提前識別設備故障，避免意外停機。也能夠通過人工智能算法優化設備運行參數，強化工業裝備控制的智能化，提升加工精度和産品合格率。例如，生成式AI可以為工業機器人或PLC（可編程邏輯控制器）自動生成控制代碼，簡化自動化系統的調試和部署過程，還可被用於缺陷分析報告的自動生成和操作手冊等技術內容的創建，顯著提高工程師的工作效率。

（二）人工智能+産線，提升工藝優化能力

針對以機械加工、電子組裝為代表，具有工序分散、物料流轉複雜等特徵的離散型産線，和以電解鋁生産、鋰電池極片加工為代表，需實時、嚴格控制工藝參數的流程型産線，結合各類産線生産實際，構建産線智能管控系統，運用自動排産算法、自動化質量檢測、工藝參數優化等人工智能技術，實現産線排産時間從小時級壓縮至分鐘級、降低缺陷漏檢率、提升生産效率。例如，企業可通過模擬産線運行數據，依託AI模型預測産線關鍵設備的健康狀況，提前識別出潛在的瓶頸和故障風險，並推薦相應的維護調度計劃，降低停機成本。

（三）人工智能+車間，變革生産作業形態

對核心生産、質量檢測、公輔能源和物料轉運等各類車間進行智能化改造，構建車間級智能管控體系，主要包括：全域資源調度，通過人工智能技術優化AGV路徑、設備負荷與人員配置，降低生産車間等待時間，減少現場管理人員數量；能源精準調控，基於生産需求動態匹配能源系統供給，減少能源損耗；跨工序協同，打通車間內各生産單元數據鏈路，實現聯動響應，提升車間整體運營效率。例如，發電裝備製造企業在汽輪機廠車間構建數字孿生系統，整合設備參數、工藝路徑等全量數據，通過智能體生成最優加工路徑並動態調整生産計劃，同時部署AGV智能搬運機器人與AR工藝指導系統，實現工序間無縫銜接，提升了百萬千瓦級汽輪機轉子加工效率，降低加工能耗。

（四）人工智能+工廠，改進生産資源調度

開發工廠級智能體，整合全要素數據，整合研發、生産、質量、能耗、物流和運營全鏈路數據，搭建工廠級智慧運營平台，實現生産計劃、能耗優化等全局最優決策。構建場內智能安監體系，在廠內關鍵區域、危險作業點部署視頻監控設備，通過人體姿態識別、區域入侵檢測算法，實時監測工人安全帽佩戴、防護裝備使用情況及危險區域闖入行為，建立分級預警與快速響應機制。部署智能巡檢機器人、自動控制等系統，減少人工干預，打造“黑燈工廠”。例如，鋼鐵冷軋廠通過“工廠大腦”實現各生産車間遠程監控，車間內行車、機器人等設備全自主運行，僅需少量操作人員監控數十塊屏幕，提升生産效率，大幅降低噸鋼能耗與污染物排放。

（五）人工智能+企業，創新經營管理手段

通過整合技術研發、生産經營等數據，依託企業雲搭建企業級智能決策平台，基於企業産品數據庫、材料性能參數、製造工藝約束等數據，打造設計智能體，輸入産品功能需求、性能指標、成本預算等核心參數，自動生成多套優化設計方案，並通過倣真模擬驗證方案可行性，形成“需求輸入－方案生成－倣真迭代－最優輸出”的研發閉環。建立智能風險防控系統，實現合規、資源統籌配置與運營效率提升。例如，彩電生産企業整合供應商數據，打造智慧供應鏈管理平台，實現物料需求實時預測，將彩電物料需求提報至供應商的時間從“天級”縮短至“小時級”，提升了訂單響應速度。

（六）人工智能+産業鏈，優化産業協同模式

立足産業生態層面，産業鏈核心企業匯聚産品聯合開發、産業協同策略、産業鏈管理、跨企業資源調度、碳排放管控等産業鏈上下游數據，構建智能協同平台，部署供需匹配分析、供應鏈協同等産業級大模型，實現智能協同與風險聯防，解決産業鏈協同低效、資源配置失衡、風險聯防不足等問題，降低産業鏈採購成本、縮短協同研發周期、供應鏈斷供風險實時預警，實現産業資源高效聯動與高質量發展。例如，汽車企業通過整合産業鏈內企業數據與工業知識，構建“工業互聯網平台+超級智能體”體系，部署排産、倉儲、質檢等多類智能體，實現跨領域協同決策，推動産業鏈上下游企業降本、減排，形成“技術－場景－數據”的産業生態循環。

加快推進“人工智能+製造”，企業是主體。讓“人工智能+製造”扎根於企業，服務於場景，成長於生態，是企業抓住新工業革命機遇的關鍵。

（一）建設數智基礎設施

破解“聯不穩”“算不快”的數字底座瓶頸，構建雲邊協同、控網算一體的新型基礎設施，為海量工業數據的實時處理和智能應用的規模化部署提供堅實支撐。建設新型工業網絡。基於“端－邊－雲”扁平化網絡協同架構，綜合運用工業5G、硬實時無線控制、工業確定性網絡、無源物聯、工業光網等技術，實現工業現場網絡無縫覆蓋和靈活組網，為工業控制、生産、經營、管理全流程海量多模態異構工業數據提供統一承載。將AI技術嵌入網絡各環節，通過“算力路由”和“在網計算”等機制，提高工業網絡資源動態調度、故障自愈與智能運維水平。布局工業算力體系。打造邊緣雲、企業雲、産業雲“三雲”協同智算能力，擴展端側智能，部署邊緣智算節點，集成數據預處理、模型訓練、安全隔離等功能，實現生産的“就近計算、快速響應”。強化企業全域算力按需擴展、模型和智能體快速訓練與迭代部署，承載生産調度優化、財務預測等場景化應用，滿足企業經營的“智能倣真、輔助決策”算力需求。推廣全局算力調度，提供大規模仿真、數字孿生、大模型訓練等高算力服務，提升全産業鏈“跨域調度、高效暢通”能力。

（二）推進工業要素互聯互通

解決“採不上”“看不懂”的數據源頭難題，打通異構設備、系統與協議間的壁壘，實現工業全要素的泛在互聯，為上層智能應用提供高質量的數據輸入。增強終端網聯與智能。提升終端設備聯網率和智能化能力，加快推動嵌入式AI發展，通過集成輕量級AI算法，傳感器在端側進行實時特徵提取、異常識別和初步決策，大幅減少原始數據上傳的帶寬壓力，實現亞毫秒級的本地智能響應。推廣身份識別、作業記錄等領域智能終端，提升生産設備/檢測儀器的智能傳感器配置比例，增強傳統設備的自感知、自分析、自決策能力。強化數據採集與互通。依託PLC、DCS等通用控制器，或傳感器採集工業設備原始數據，通過MQTT、OPCUA等中間件協議適配轉換實現OT層設備數據標準化接入。基於數據同步、數據虛擬化等集成技術實現數據接入與整合，支撐工業設備泛在互聯與異構數據流轉。採用OPCUA等統一協議實現多品牌設備數據採集，建立信息模型解決語義衝突，打通設備間協議轉換的“語言障礙”。通過多源異構數據清洗、聚合及語義對齊、多模態數據智能標注、增強與合成等預處理技術，提升數據質量。

（三）發展高質量數據集

破解“數據多但質量低”“有數據但不會用”的數據要素瓶頸，對海量、多源、異構的工業數據進行匯聚、治理和流通，轉化為可信、可用、可流通的高價值數據資産。分類建設。構建分級分類的數據目錄，形成“數據地圖”。産業鏈主體數據，聚焦重點産業鏈與産業集群，全面梳理鏈上各環節的企業實體信息，包括企業基本情況、主營業務、核心産品、産能規模、技術能力等。産業管理數據，聚焦政府在履行管理職能時，要求企業填報的各類經營與管理信息。具體包括技術改造項目投資、研發經費、新産品産值、能耗與碳排、安全生産、人才結構、數字化水平自評估等。鏈主企業運行數據，聚焦龍頭企業與産業鏈關鍵節點的內部實時運行數據。主要包括反映供需波動的供應鏈數據（訂單、採購、庫存、物流等）和反映生産流程的製造過程數據（設備狀態、工藝參數、産能、良率等）。應用推廣。探索建設工業高質量數據集中試驗證平台，開展數據集質量與模型性能評測，構建“數據—模型—應用”閉環優化體系，確保數據好用、管用。強化頂層設計，研製工業數據採集、治理、質量評估及安全保障等標準規範，統一數據存儲與交互格式，促進跨系統、跨企業互聯互通。聚焦裝備、電子、鋼鐵等重點行業，加速數據開發利用，推動數據集産品化與市場化流通，提升數智賦能成效。

（四）發展工業智能體

解決“用在哪”“怎麼用”的價值落地難題，將數據資源和算力基礎轉化為能夠自主感知、分析、決策並執行的智能體應用，加速從“單點智能”向“全局智慧”躍升。分層部署應用。部署故障診斷、壽命預測、工藝優化等設備級工業智能體，實現單點自主感知與控制；部署異常檢測、能耗計算、工控代碼生成等産線/車間級智能體，保障生産的連續性與高效性；部署物料調度、倉儲優化、風控預警等工廠層智能體，推動資源優化配置和高效執行；部署利潤預測、財務管理、碳排優化等企業層智能體，促進經營決策效能提升；部署供需智能匹配、産業鏈供應鏈管控等生態層智能體，實現産業鏈協同與生態聯動。強化多智能體協同。構建雲邊協同的多智能體協作體系，在邊緣側，面向設備、産線和車間部署預測性維護、實時質量檢測和柔性工藝調整等任務智能體，構建“感知—決策—執行”閉環，推動控制體系由自動化向自主化升級；在雲側，依託統一的智能體交互機制，推動生産計劃、供應鏈調度與能耗管理等智能體交互協作，提升跨部門協同和決策響應能力。

（五）構築安全防護屏障

化解“看不清風險”“防不住攻擊”的發展安全顧慮，構建覆蓋數據、模型、網絡和終端的全方位、多層次、系統性安全防護體系，為“人工智能+製造”的深度融合與健康發展保駕護航。健全安全管理機制。制定企業人工智能應用分類分級和安全評估管理制度。建立安全風險信息上報與共享機制，暢通與産業鏈上下游、行業機構及監管部門的信息溝通渠道。增強風險預警能力。建設人工智能安全風險監測預警體系，加強對生産製造關鍵環節、系統和數據的風險識別，實現風險早發現、早預警、早處置。夯實安全防護基礎。企業應使用經過安全測評認證的智能終端設備，實施工業控制網絡與人工智能應用網絡的分區隔離，部署工業安全大模型輔助威脅檢測與響應處置。完善數據安全管理機制，建立訓練數據全生命周期保護策略，對核心工藝數據實施分類分級管控，採用深度合成鑒偽技術識別和攔截虛假數據。提升系統防護水平。從數據、模型、終端等層面構建系統性安全防護體系，通過知識庫優化、訓練語料糾錯，從數據源頭提升模型輸出的準確性、減少錯誤信息傳播。添加人工智能生成合成內容標識，確保生成內容可溯源、可識別。

中國工業互聯網研究院基於國家工業互聯網大數據中心，建設工業可信數據空間，在鋼鐵、石化、有色、紡織等重點行業打造了一批高質量工業數據集。開展人工智能測評，對100余個大模型、智能體在工業應用效果進行測試。研發工業智能體平台，為汽車、材料等行業提供工業智能體服務。建設國家人工智能賦能新型工業化供需對接平台，提供涵蓋技術諮詢、方案設計、智能應用部署和運維優化在內的端到端服務，為3000余家企業精準匹配製造業需求，縮短智能化方案落地周期。（中國工業互聯網研究院院長 魯春叢）